|
|||||
|
|
| 基于蚁群算法的支持向量机中长期水文预报模型 | |
| 引用本文： | 张俊,程春田,申建建,张世钦.基于蚁群算法的支持向量机中长期水文预报模型[J].水力发电学报,2010,29(6). |
| 作者姓名： | 张俊 程春田 申建建 张世钦 |
| 作者单位： | 1. 大连理工大学水电与水信息研究所，大连116024；2．浙江电力调度通信中心，杭州310007； 2. 大连理工大学水电与水信息研究所,大连,116024 3. 福建电力调度通信中心,福州350003; |
| 摘 要： | 支持向量机算法（SVM）具有可靠的全局最优性和良好的泛化能力,尤其适用于中长期水文预报中有限样本的学习,然而该算法的成功与否很大程度上取决于其参数的选择,而常规经验选取方法往往不能获得满意效果。本文建立基于蚁群算法参数优化的支持向量机模型（ACO-SVM）,利用蚁群算法（ACO）基于进化的随机搜索策略对支持向量机参数进行识别。以福建省安砂水库的月径流预报为例,进行建模仿真,将模拟结果与时间序列方法（ARMA）、人工神经网络方法（BP-ANN）所获得的预报结果进行对比分析。结果表明,在拟合精度方面,ACO-SVM模型相比ARMA模型和BP-ANN模型有不同程度的提高,且增幅较大,且具有较好的泛化性能。 |
| 关 键 词： | 支持向量机 蚁群算法 参数优选 水文预报 |
Ant colony optimization-based support vector machine for mid-and-long term hydrological forecasting |
|
| ZHANG Jun , CHENG Chuntian , SHEN Jianjian , ZHANG Shiqin.Ant colony optimization-based support vector machine for mid-and-long term hydrological forecasting[J].Journal of Hydroelectric Engineering,2010,29(6). | |
| Authors: | ZHANG Jun CHENG Chuntian SHEN Jianjian ZHANG Shiqin |
| Abstract: | |
| Keywords: | support vector machine ant colony optimization parameter optimization hydrological forecasting |
| 本文献已被 万方数据 等数据库收录！ | |